[发明专利]一种基于稀疏表示和循环引导滤波的图像融合方法

说明书

技术领域

本发明属于图像处理领域，主要涉及图像融合技术，具体公开了一种基于稀疏表示(Sparse Representation，SR)和循环引导滤波(Rolling Guidance Filter，RGF)的图像融合方法。

背景技术

图像融合是将对同一目标拍摄的两幅或多幅图像合成为一幅图像的过程，处理后能得到具有源图像的优点、信息更准确、更适合人眼视觉特性或适应于计算机处理的新图像。待融合的图像各自拥有不同的特征和突出的信息，因此通过一定的算法将若干图像融合，得到的融合图像的目标信息更加准确全面，更利于图像数据的分析和研究。

随着科技的不断发展，成像传感器的种类和应用领域不断扩大，不同的传感器成像原理不同，获得的图像特点也就各不相同，致使获取的图像数据既存在冗余性，又存在互补性。利用冗余信息可以获得更加可靠的结果，并改善信噪比；利用互补信息可以使融合结果包含更加丰富全面的细节信息。因此，图像融合技术就是对不同传感器获取到的同一场景或目标的多个源图像按照实际需求进行融合，使之适合视觉感知和计算机的处理。

图像融合分为3个处理层次，分别是像素级融合、特征级融合和决策级融合。像素级融合直接融合了原始图像的原始信息，能很好地保持图像细微的信息内容，融合目的是将多个输入图像融合到一个图像，相比于任何输入图像，对人类或机器感知来说更加有益；这些优势使得其在遥感、医学成像和夜视应用中具有重要的应用价值。图像融合方法包括三个主要阶段，即图像变换、变换系数的融合、逆变换。基于所采用的变换策略，可将图像融合方法分为四类：(1)基于多尺度分解的方法；(2)基于稀疏表示的方法；(3)直接对图像像素或其他变换域进行融合的方法，如主体成分空间或强度色相饱和色彩空间；(4)结合多种变换的方法。在现有的融合方法中，线性加权平均的融合方法计算量小，耗时短，但并不能很好地保留源图像的信息；离散小波变换(Discrete Wavelet Transform，DWT)将数据转换为频域，计算容易，但缺乏方向性；Contourlet变换可以捕捉图像的内在几何结构，能很好地处理二维信号，但没有平移不变性，不能表示复杂的空间结构。近年来，边缘保留滤波器广泛地应用在图像处理上，典型的边缘滤波器有双边滤波器、引导滤波器等，它能够准确地分离图像的小尺度的纹理细节、中等规模的边缘和大规模的空间结构，故在图像平滑、去噪等方面有很好的效果。

发明内容

本发明提出了一种基于稀疏表示(Sparse Representation，SR)和循环引导滤波(Rolling Guidance Filter，RGF)的图像融合方法，该方法在平滑背景的同时保持了图像的边缘和轮廓，很好地保留了图像的细节信息。

本发明的技术方案如下：

一种基于稀疏表示和循环引导滤波的图像融合方法，包括以下步骤：

步骤1、采用均值滤波器将源图像分解为平滑图像和细节图像；

步骤2、将步骤1得到的平滑图像采用基于稀疏表示的方法融合：

首先将步骤1得到的平滑图像分解成一系列图像块，将每一图像块转换成列向量并减去其列向量均值使平均值归为0，通过OMP(Orthogonal Matching Pursuit，正交匹配追踪)算法求解得到的向量的稀疏系数，然后通过“max-L1”规则融合稀疏系数，将融合后的稀疏系数逆变换后得到融合的图像块，根据不同图像块的位置组合后获得融合后的平滑图像；

步骤3、将步骤1得到的细节图像采用基于循环引导滤波的方法融合：

对源图像使用DoG算子构建待处理图像，并对待处理图像进行循环引导滤波；然后经归一化得到加权系数，将得到的加权系数与对应的细节图像加权相加得到融合后的细节图像；

步骤4、将步骤2融合后的平滑图像和步骤3融合后的细节图像相加后，得到融合图像。

一种基于稀疏表示和循环引导滤波的图像融合方法，具体包括以下步骤：

步骤1、源图像的分解：

采用均值滤波器将源图像分解为平滑图像和细节图像，具体为：

P_n＝I_n*L_ave

D_n＝I_n-P_n

其中，I_n为第n幅源图像，L_ave为均值滤波器，P_n为与第n幅源图像相对应的平滑图像，D_n为与第n幅源图像相对应的细节图像，n＝1,2,…,N；